待验证50% 置信事实精确时间
传统基准如MMLU、GSM8K侧重语言与数学，而物理直觉测试要求模型预测物体在受力、碰撞、堆叠后的状态
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证通过保持场景不变、只替换关键对象的对比实验，可以在受控条件下观察模型的物理推理能力67% 相似待验证在提示词不变的情况下，SymCE 训练的模型能力可迁移到 GSM8K、MATH-500 和 MMLU-college-math 等主流数学推理基准67% 相似待验证对于机器学习模型而言，如何生成有物理意义的集合成员、如何校准集合离散度使其与实际误差匹配，仍是一个活跃研究方向。66% 相似待验证乒乓球机器人的落点预测通常依赖物理模型与数据驱动模型的结合，物理模型基于空气阻力、重力和马格努斯力进行数值积分，数据驱动模型补偿难以建模的因素65% 相似待验证论文通过理论驱动的模拟和现代语言模型上的受控事实注入探针两类方式验证理论预测65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1030335API
curl https://kongchang.com/api/v1/knowledge/claims/1030335MCP
get_claim(id=1030335)